PUC - SP VARIÁVEIS SÓCIO-ECONÔMICAS E TAXA DE SUICÍDIOS NO BRASIL

PUC - SP VARIÁVEIS SÓCIO-ECONÔMICAS E TAXA DE SUICÍDIOS NO BRASIL MICHEL WIAZOWSKI ROCHA RUTHELLE MARIA DE CARVALHO SOUSA MESTRANDO EM ADMINISTRAÇÃO MÉTODOS QUANTITATIVOS PROF. DR. ARNOLDO HOYOS SÃO PAULO 00

. INTRODUÇÃO Este trabalho final, visa investigar e buscar responder se existem variáveis sócioeconômicas que podem explicar a taxa de suicídios. Construindo hipóteses explicativas a fim de caracterizar o problema para o caso Brasileiro. Para a pesquisa tem-se alguns problemas, como: caracterização do suicídio, o outro as motivações reais do suicida e seu estado mental (OMS, 00). Como nosso trabalho foca no aspecto econômico como um dos frutos do indivíduo na prática do suicídio. O primeiro modelo econômico conhecido do suicídio é o de Hamermesh e Soss (97), e é assim descrito por Shikida (00):O modelo de decisão individual de Hamermesh e Soss(97) afirma que o comportamento suicida não pode em hipótese alguma ser atribuído apenas a fatores econômicos. Porém, utilizando o processo de tomada de decisão econômica uma parcela das variações nas taxas de suicídio pode ser explicada usando teoria econômica.de acordo com o modelo, as pessoas na média preferem viver e não gostariam de se matar. O modelo supõe que o indivíduo se mata quando o valor da vida dele for menor ou igual o seu desgosto pela vida. A renda confere valor à vida, o que implica que maiores taxas de renda aumentam a vontade de viver. Um importante fator observado estatisticamente é que as taxas de suicídio aumentam à medida que observamos faixas etárias mais elevadas, a despeito disso, o modelo afirma que o desejo de viver diminui com a idade já que ele possui menos consumo para aproveitar a vida, e Shikida (00) complementa: O artigo encontrou evidências de que o arrefecimento das atividades econômicas em 9 produziu um aumento proporcional nas taxas de suicídio. Em outras palavras, existiria uma relação negativa entre a renda e o suicídio. Constatou-se também que a taxa é menor para grupos de renda mais altos. Outro resultado encontrado foi à maior sensibilidade de pessoas mais velhas à variação do desemprego se comparado com os jovens. Resumindo, o suicídio diminui com o aumento da renda tanto na cross-section quanto na série temporal, para todos os grupos com exceção dos mais jovens. (Shikida, 00) A partir desses questionamentos, um modelo econômico sobre suicídio terá que conceber o fato como escolha (decorrente de uma análise) ou fenômeno resultante de uma interação de variáveis. Ao analisar a relação entre as variações nas taxas de desemprego e de suicídio, os autores encontraram fortes evidências de que homens são sensíveis às variações no mercado de trabalho, ao passo que as mulheres são menos sensíveis a variável emprego. O estudo também encontrou indícios de, entre os homens, perdas pessoais como a esposa ou ciclo de amigos exerce influencia sobe as taxas de suicídio. O estudo encontro indícios de associação entre baixos níveis educacionais e desemprego com transtornos mentais (transtornos afetivos e de ansiedade em homens e mulheres) e suicídio. O estudo alerta que as interações econômicas desempenham um fator significativo em transtornos de ansiedade, abuso de substâncias e depressão. Segundo os autores variáveis econômicas per se influenciam as taxas de suicídio e influenciam a prevalência de distúrbios mentais, que por sua vez são estão fortemente associadas com taxas de suicídio. Utilizando o pensamento de Durkheim (897), poderíamos definir o emprego como indicador de coesão social, e o indivíduo, desprovido desse meio de interação social e de ganho, deslocado de parte da vida social, se coloca em uma situação de risco para a própria vida.

. ENTENDENDO OS DADOS Todos os dados do presente estudo foram coletados eletronicamente, via internet por meio do DATASUS (http://www.datasus.gov.br), o portal de informações sobre saúde do Ministério Da Saúde. Os dados populacionais foram também obtidos do referido portal que por sua vez, foram obtidos a partir de Censos do IBGE. Variáveis: Por gênero; Por Estados com maior incidência; Renda Per Capita dos Estados com maior incidência Por faixa etária; Por raça/ cor de pele por ano; PIB estadual. TABELA DE DADOS. Por gênero ANO MASCULINO FEMININO IGNORADO TOTAL 997 9 9 998 7 7 989 999 00 0 0 0 000 98 8 0 780 00 77 0 778 00 08 9 77 00 0 78 00 70 0 807 Esses dados persistentes ao longo dos anos, e as observações semelhantes em outros países, mostram que a população masculina tem um acentuado risco ao suicídio. As relações brutas entre óbitos masculinos e óbitos femininos têm aumentado ao longo dos últimos anos.. Por Estados com maior incidência ANO RS SC PR MS RO GO 997,,7,0,7,7, 998,08,8,9,7,, 999,,,9,,,7 000,8,,,,8,9 00,9,9,,,7, 00,,,7,,, 00,9,7,7,7,8, 00,,,,7,8,8 00,,,,,9,7

Fonte: Datasus. Renda Per Capita dos Estados ANO RS - per capita SC - per capita PR - per capita MS - per capita RO - per capita GO - per capita 997 99 0 707 00 8 998 70 0 9 09 999 77 7 09 9 9 000 8 790 88 97 0 00 9070 88 70 80 9 8 00 98 990 80 8 88 7 00 7 7 09 07 9 79 00 80 0 079 708 878 00 98 89 899 Fonte IBGE A amostra acima foi escolhida com os estados brasileiros com as maiores taxas de suicídio. A relação entre óbitos masculinos e femininos aumentou no Rio Grande Do Sul e Roraima. Nos outros estados tendeu a estabilidade e sempre próximo do número de quatro óbitos masculinos para cada óbito feminino.. Por faixa etária Faixa etária 000 00 00 00 00 00 a anos 0 0 0 a 9 anos 0 a anos 8 07 07 99 0 0 a 9 anos 70 8 0 0 a 9 anos 7 8 89 9 9 97 0 a 9 anos 8 8 8 7 79 0 a 9 anos 8 9 7 0 a 9 anos 8 97 9 98 99 9 0 a 9 anos 9 87 9 88 00 89 70 a 79 anos 7 7 8 98 80 a 89 anos 9 8 0 88 Idade ignorada 9 9 TOTAL 780 778 77 78 807 80 Em números absolutos, a faixa etária de maior incidência é dos 0 a 9 anos de idade, seguida da faixa compreendida entre os 0 e 9 anos. Mostrando a importância do suicídio na população economicamente ativa.

. Por raça/ cor de pele por ano Ano do óbito Branca Preta Amarela Parda Indígena Ignorado Total 000 0 7 0 780 00 0 7 778 00 7 9 9 77 00 7 9 9 09 78 00 07 7 8 807 00 9 78 80 9 80 Pessoas de pele Branca correspondem a mais de 0% dos suicídios em números absolutos. Em segundo lugar vêm as pessoas de pele parda. Existe uma indicação de que a intensidade de habitantes de cor de pele branca possa estar relacionada com maiores taxas de suicídio. Porém, o curto período da amostra apenas nos indica de forma superficial uma suposta variável.. ANÁLISE DE DADOS Nesta etapa do nosso trabalho, procuramos avaliar sobre variáveis: Estados com maior incidência e Renda Per Capita destes mesmo Estados.. Distribuição Geral por Estado versus Per Capita Scatterplot of RS vs RS - per cap; SC vs SC - per cap; PR vs PR - per,,8,,0,,, RS*RS - per capita SC*SC - per capita PR*PR - per capita,,0,,,8,0,,,0 0000 000 000 0000 000 9000 000 MS*MS - per capita RO*RO - per capita GO*GO - per capita,,0,0,8,,0 000 000 000 000 A distribuição por Estado nos mostra a evolução de cada. Podemos notar que o Rio Grande do Sul começou em queda e no final de 000 houve um aumento considerável na incidência, Santa Catarina inicia a pesquisa em alta e vai diminuindo incidência com

o passar do tempo, Paraná houve um pico entre 9000 e 000, como posterior queda, no Mato Grosso do Sul começa em alta, com posterior queda de a 000 e com aumento, Roraima começa em alta, com pico de diminuição por pouco tempo e volta a subir progressivamente, já Goiás começa em 99 com queda, aumento considerável entre a com posterior queda. É nítido na análise que o Estado que apresenta a maior incidência de suicídio em comparação a Renda Per capita e o tempo é o Estado do Rio Grande do Sul.. Histograma Histogram of RS; SC; PR; MS; RO; GO Normal RS SC PR,0,0,, RS Mean,09 StDev 0,7 SC Mean,7 StDev 0, Frequency 0,8,0,,,,8,0,,0 0, 0,0,,0,,8,,0,,0 0, 0,0,8,, MS RO GO,0,,,8 PR Mean,0 StDev 0,7 MS Mean,09 StDev 0, 0,,,0,8,,,,8 0 0,8,,,0,,8 RO Mean, StDev, GO Mean,9 StDev 0,07 Frequency 0 0 00 0 0 Histogram of RS - per cap; SC - per cap; PR - per cap;... Normal RS - per capita SC - per capita P R - per capita 00 0 8 00 0 0 00 0 00 0 00 0 0 00 0 00 9000 000 000 0 000 0 00 00 0 0 00 9 00 0 000 00 0 0 000 00 0 8 00 0 0000 00 0 000 MS - per capita RO - per capita GO - per capita,0,,0 0, 0,0 0 000 000 0 00 00 00 RS - per capita Mean 90 StDev SC - per capita Mean 90 StDev PR - per capita M ean 87 StDev 88 MS - per capita M ean 8097 StDev 0 RO - per capita M ean StDev 8 GO - per capita M ean 9 StDev 00 Nos histogramas geral por Estados e por Per Capita, há distribuições normais, mas ao observarmos os Estados Roraima apresenta em sua curva maior pico, apesar do

histograma no período de seu pico permanecer estável, sem outlier, já os demais ao longo de sua distribuição possui alguns pontos de outlier.. Sumários.. Por Estado Summary for RS A nderson-darling Normality Test A-Squared 0,0 P-Value 0, Mean,089 StDev 0,7 V ariance 0, Skew ness,7 Kurtosis,09,0,,,,8,0, Minimum,0800 st Q uartile,80 Median,900 rd Q uartile,70 Maximum,00 9% C onfidence Interv al for M ean,,78 9% C onfidence Interv al for Median,,80 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,0 0,8 Mean Median,,,,, No Estado do Rio Grande do Sul há intervalo de, a,8 há aumento de sua curva com posterior queda, apresentação de outlier no ponto de,8 e posterior queda.,7,8

Summary for SC A nderson-darling Normality Test A-Squared 0, P-Value 0,8 Mean,7 StDev 0, V ariance 0,8 Skew ness 0,78 Kurtosis -,7989,,8,, Minimum,00 st Q uartile,0 Median,7000 rd Q uartile,000 Maximum,00 9% C onfidence Interv al for M ean,,709 9% C onfidence Interv al for Median,, 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,9,08 Mean Median,,,,8,0 No caso de Santa Catarina, mesmo com um outlier entre, e,8, seus histogramas permanecem homogêneos.,, Summary for PR A nderson-darling Normality Test A-Squared 0, P-Value 0, Mean,0 StDev 0,7 V ariance 0,87 Skew ness 0,79 Kurtosis -0,07,,0,,8 Minimum,00 st Q uartile,00 Median,900 rd Q uartile,0 Maximum,900 9% C onfidence Interv al for M ean,8, 9% C onfidence Interv al for Median,00,0 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,9,08 Mean Median,0,7,00,,0,7 No caso do Paraná, distribuição começa heterogêneo, com surgimento de outliers em pontos e posterior homogeneidade dos seus histogramas.

Summary for MS A nderson-darling Normality Test A-Squared 0, P-Value 0, Mean,09 StDev 0, V ariance 0,099 Skew ness -0,88 Kurtosis -,8,,8,0,,, Minimum,00 st Q uartile,70 Median,700 rd Q uartile,00 Maximum,700 9% C onfidence Interv al for M ean,8, 9% C onfidence Interv al for Median,7, 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,8 0,0 Mean Median,7,8,9,0, Já Mato Grosso do Sul, mesmo apresentando outlier no ponto,0, seus histogramas apresentaram queda após o ponto,.,, Summary for RO A nderson-darling Normality Test A-Squared 0, P-Value 0,7 Mean, StDev, V ariance,98 Skew ness -0,0 Kurtosis 0,70 Minimum,00 st Q uartile,900 Median,800 rd Q uartile,80 Maximum,700 9% C onfidence Interv al for M ean,8,78 9% C onfidence Interv al for Median,0,80 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,89,0 Mean Median,,0,,0 Em Roraima no pico de sua curva apresenta heterogeneidade e quando em queda seus histogramas começa a fica homogêneos.,

Summary for GO A nderson-darling Normality Test A-Squared 0, P-Value 0,0 Mean,900 StDev 0,07 V ariance 0,7 Skew ness -0,090 Kurtosis 0,708,8,,,0, Minimum, st Q uartile,00 Median,00 rd Q uartile,000 Maximum,00 9% C onfidence Interv al for M ean,0,0787 9% C onfidence Interv al for Median,9,0 9% Confidence Intervals 9% C onfidence Interv al for StDev 0, 0,987 Mean Median,,,,8 Em Goiás também em seu pico da curva, há aumento na distribuição e com o passar dos anos e diminuição da curva há queda na distribuição.,0,.. Estado por Renda Per Capita Summary for RS - per capita A nderson-darling Normality Test A-Squared 0,9 P-Value 0,0 Mean 90, StDev,7 V ariance 0707,9 Skew ness 0,78 Kurtosis -,8089 7000 9000 0000 000 000 000 Minimum 99,0 st Q uartile 79, Median 9070,0 rd Q uartile 9, Maximum 98,0 9% C onfidence Interv al for M ean 77,7,7 9% C onfidence Interv al for Median 7, 97, 9% Confidence Intervals 9% C onfidence Interv al for StDev,8 7,7 Mean Median 7000 9000 0000 000 No Rio Grande do Sul, com o passar o tempo tem período de estabilidade com apresentação inclusive de outlier, mas no final de sua curva há surgimento de aumento em seu histograma. 000 000

Summary for SC - per capita A nderson-darling Normality Test A-Squared 0, P-Value 0,7 Mean 90,9 StDev,0 V ariance 979, Skew ness 0,007 Kurtosis -,00 700 9000 000 000 00 000 Minimum 0,0 st Q uartile 8, Median 88,0 rd Q uartile 8, Maximum,0 9% C onfidence Interv al for M ean 700,8 90,0 9% C onfidence Interv al for Median,7 09, 9% Confidence Intervals 9% C onfidence Interv al for StDev 0,8 98,8 Mean Median 0000 000 000 Summary for PR - per capita A nderson-darling Normality Test A-Squared 0, P-Value 0,0 Mean 87,8 StDev 88, V ariance 790,9 Skew ness 0,70 Kurtosis -,0 0000 000 Minimum 707,0 st Q uartile 88,0 Median 70,0 rd Q uartile 9, Maximum 079,0 9% C onfidence Interv al for Mean 08, 07, 9% C onfidence Interv al for Median, 0,9 9% Confidence Intervals 9% C onfidence Interv al for StDev 90,7 99, Mean Median 7000 9000 0000 000 000 Se visualizarmos caso de Santa Catarina e Paraná, as mesmas apresentam certa semelhança, com o passar do tempo há estabilidade na distribuição. No caso do Paraná já surgimento de espaçamentos.

Summary for MS - per capita A nderson-darling Normality Test A-Squared 0, P-Value 0,0 Mean 8097, StDev 0,0 V ariance 7,8 Skew ness 0,798 Kurtosis -,0 0000 000 Minimum,0 st Q uartile, Median 80,0 rd Q uartile 8,0 Maximum,0 9% C onfidence Interv al for M ean 0,8 0790, 9% C onfidence Interv al for Median 0, 77, 9% Confidence Intervals 9% C onfidence Interv al for StDev, 7,0 Mean Median 000 0000 Em Mato Grosso do Sul, mesmo com outlier começa e finaliza com alta na distribuição, mas durante todo o desenvolvimento da curva há estabilidade. 000 Summary for RO - per capita A nderson-darling Normality Test A-Squared 0,9 P-Value 0,0 Mean, StDev 8, V ariance 998, Skew ness 0,98 Kurtosis -, 000 000 000 7000 Minimum 00,0 st Q uartile 7,0 Median 9,0 rd Q uartile 90,0 Maximum 89,0 9% C onfidence Interv al for M ean 897, 79,9 9% C onfidence Interv al for Median 07, 708, 9% Confidence Intervals 9% C onfidence Interv al for StDev, 9,9 Mean Median 000 000 000 Em Roraima a distribuição permanece boa parte no decorrer do tempo em alta, quando há pico em sua curva há diminuição na distribuição, quando começa a diminuir sua curva há aumento do histograma e posterior queda. 7000

Summary for GO - per capita A nderson-darling Normality Test A-Squared 0,7 P-Value 0,8 Mean 9, StDev 00, V ariance 9787, Skew ness 0,9 Kurtosis -,98 000 000 000 7000 9000 Minimum 8,0 st Q uartile,0 Median 8,0 rd Q uartile 87,0 Maximum 899,0 9% C onfidence Interv al for M ean 8, 77,8 9% C onfidence Interv al for Median,8 89,8 9% Confidence Intervals 9% C onfidence Interv al for StDev,8 07,0 Mean Median 000 000 000 7000 Goiás curva normal, mas com períodos de estabilidade, outlier e finaliza com alta na distribuição. 9000. ANÁLISE DE TENDÊNCIA.. Por Estado Trend Analysis Plot for RS Linear Trend Model Yt =,07 + 0,09*t,,0,8 Variable Actual Fits MAPE,8 MA D 0,980 MSD 0,0 RS,,,,0 Index 7 8 9 Trend Analysis for RS Data RS

Length 9 NMissing 0 Fitted Trend Equation Yt =,07 + 0,09*t MAPE,8 MAD 0,980 MSD 0,0,,,,0 Trend Analysis Plot for SC Linear Trend Model Yt =,0-0,007*t Variable Actual Fits MAPE 7,99 MAD 0,9 MSD 0,8 SC,8,,,,0 Index 7 8 9 Trend Analysis for SC Data SC Length 9 NMissing 0 Fitted Trend Equation Yt =,0-0,007*t MAPE 7,99 MAD 0,9 MSD 0,8

Trend Analysis Plot for PR Linear Trend Model Yt =,9-0,0*t PR,00,7,0, Variable Actual Fits MAPE 0,8 MAD 0, MSD 0,,00,7,0 Index 7 8 9 Trend Analysis for PR Data PR Length 9 NMissing 0 Fitted Trend Equation Yt =,9-0,0*t MAPE 0,8 MAD 0, MSD 0,

,,, Trend Analysis Plot for MS Linear Trend Model Yt =,8-0,07*t Variable Actual Fits MAPE 7,79808 MAD 0, MSD 0,089 MS,0,8, Index 7 8 9 Trend Analysis for MS Data MS Length 9 NMissing 0 Fitted Trend Equation Yt =,8-0,07*t MAPE 7,79808 MAD 0, MSD 0,089

Trend Analysis Plot for RO Linear Trend Model Yt =,9-0,070*t Variable Actual Fits MAPE,7 MAD 0,970 MSD,87 RO Index 7 8 9 Trend Analysis for RO Data RO Length 9 NMissing 0 Fitted Trend Equation Yt =,9-0,070*t MAPE,7 MAD 0,970 MSD,87

Trend Analysis Plot for GO Linear Trend Model Yt =,8 + 0,0*t,,0 Variable Actual Fits MAPE 9,89 MAD 0, MSD 0, GO,,0 Index 7 8 9 Trend Analysis for GO Data GO Length 9 NMissing 0 Fitted Trend Equation Yt =,8 + 0,0*t MAPE 9,89 MAD 0, MSD 0, QUADRO DE RESUMO DE ANÁLISE RS SC PR MS RO GO MAPE,8 7,99 0,8 7,79808,7 9,89 MAD 0,980 0,9 0, 0, 0,970 0, MSD 0,0 0,8 0, 0,089,87 0, O modelo de tendência com menor ruído para esta análise é também o modelo do Estado de Roraima, que apresenta margem de erro maior, mas com os demais dados em comparação aos demais menores.podemos notar analisando cada análise de tendências que os Estados do Rio Grande do Sul, Roraima e Goiás, as duas mesmo apresentando quedas consideráveis e pequenos aumento, ao longo da análise finalizam a avaliação com aumento, os demais Estados ao longo do tempo mesmo com alguns pontos de picos, finalizam análise com queda. Podemos concluir que há uma queda considerável de incidência de suicídios com o passar do tempo.

.. Por Renda Per Capita por Estado 000 000 Trend Analysis Plot for RS - per capita Linear Trend Model Yt = 9, + 878,8*t Variable Actual Fits RS - per capita 000 000 0000 9000 MAPE MAD 0 MSD 878 7000 Index 7 8 9 Trend Analysis for RS - per capita Data RS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 9, + 878,8*t MAPE MAD 0 MSD 878

000 Trend Analysis Plot for SC - per capita Linear Trend Model Yt = 9, +,*t Variable Actual Fits SC - per capita 00 0000 700 MAPE MAD MSD 8780 000 Index 7 8 9 Trend Analysis for SC - per capita Data SC - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 9, +,*t MAPE MAD MSD 8780

Trend Analysis Plot for PR - per capita Linear Trend Model Yt = 7,8 + 9,*t PR - per capita 000 000 000 0000 9000 7000 Variable Actual Fits MAPE 9 MAD 79 MSD 890 000 000 Index 7 8 9 Trend Analysis for PR - per capita Data PR - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 7,8 + 9,*t MAPE 9 MAD 79 MSD 890

Trend Analysis Plot for MS - per capita Linear Trend Model Yt = 0, + *t MS - per capita 000 000 0000 Variable Actual Fits MAPE MAD 898 MSD 0 000 000 Index 7 8 9 Trend Analysis for MS - per capita Data MS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 0, + *t MAPE MAD 898 MSD 0

Trend Analysis Plot for RO - per capita Linear Trend Model Yt = 008, +,08*t 9000 Variable Actual Fits RO - per capita 7000 000 000 MAPE MAD MSD 0 000 000 Index 7 8 9 Trend Analysis for RO - per capita Data RO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 008, +,08*t MAPE MAD MSD 0

0000 9000 Trend Analysis Plot for GO - per capita Linear Trend Model Yt = 87,7 + 89,7*t Variable Actual Fits GO - per capita 7000 000 000 MAPE 9 MAD 0 MSD 70 000 000 Index 7 8 9 Trend Analysis for GO - per capita Data GO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 87,7 + 89,7*t MAPE 9 MAD 0 MSD 70 RS SC PR MS RO GO MAPE 9 9 MAD 0 79 898 0 MSD 878 8780 890 0 0 70 O modelo de tendência com menor ruído para esta análise é também o modelo do Estado de Roraima, já Mato Grosso do Sul é o que apresenta margem de erro maior, mas com os demais dados em comparação aos demais menores.podemos notar analisando cada análise de tendências que os Estados do Rio Grande do Sul,Santa Catarina e Roraima, ao longo da avaliação apresentaram momentos de quedas as duas mesmo apresentando quedas consideráveis e pequenos aumento, ao longo da análise finalizam a avaliação com aumento, os demais Estados ao longo do tempo mesmo com

alguns pontos de picos, finalizam análise com queda. Podemos concluir que há uma queda considerável de incidência de suicídios com o passar do tempo.. COMPONENTES PRINCIPAIS.. Por Estado Principal Component Analysis: RS; SC; PR; MS; RO; GO Eigenanalysis of the Correlation Matrix Eigenvalue,8,9,0089 0,78 0,09 0, Proportion 0, 0,77 0,8 0,088 0,08 0,09 Cumulative 0, 0, 0,80 0,898 0,98,000 Variable PC PC PC PC PC PC RS 0,98 0,9-0,80-0,00 0, -0,0 SC -0,89-0,8-0,0 0,0 0,089 0,7 PR -0,9-0,0-0,08-0, 0,8-0,0 MS -0,0 0,7 0,9 0, 0,09-0, RO -0, 0,8-0,78-0,00-0,8-0,77 GO 0,7-0, -0,98 0,97-0,00-0, Score Plot of RS;...; GO Second Component 0 - - - - - 0 First Component

Loading Plot of RS;...; GO RS 0, MS RO 0, Second Component 0,0-0, -0, -0, -0, SC -0, -0, PR GO -0,7-0, -0, -0, -0, -0, -0, First Component 0,0 0, 0, Scree Plot of RS;...; GO,0, Eigenvalue,0 0, 0,0 Component Number O Eigenvalue é de,8 o alto grau de confiabilidade do primeiro componente. A Proportion de 0, mostra que o primeiro componente representa % do indicador. No primeiro componente a variável que tem mais representatividade é a RS com 0,98.

.. Por Renda Per Capita Principal Component Analysis: RS - per cap; SC - per cap; PR - per cap; MS - pe Eigenanalysis of the Correlation Matrix Eigenvalue,8908 0,0787 0,00 0,0080 0,008 0,000 Proportion 0,98 0,0 0,00 0,00 0,000 0,000 Cumulative 0,98 0,99 0,998,000,000,000 Variable PC PC PC PC PC PC RS - per capita -0, 0,00 0,0-0, 0,0 0,9 SC - per capita -0, -0,0 0,07-0,9-0, -0,7 PR - per capita -0,0 0, -0, -0,0 0,8-0,8 MS - per capita -0,09 0,7 0,0 0,8-0, 0, RO - per capita -0,07-0, 0,7 0,7 0,9-0,0 GO - per capita -0,0-0, -0,78 0,07-0,8-0,07

0,0 Score Plot of RS - per capita;...; GO - per capita Second Component 0, 0,00-0, -0,0 - - - - 0 First Component 0,7 Loading Plot of RS - per capita;...; GO - per capita PR - per capita Second Component 0,0 0, 0,00-0, MS - per capita RS - per capita SC - per capita -0,0 GO - per capita RO - per capita -0, -0, -0, First Component -0, 0,0

Scree Plot of RS - per capita;...; GO - per capita Eigenvalue 0 Component Number O Eigenvalue é de,8998 o alto grau de confiabilidade do primeiro componente. A Proportion de 0,98 mostra que o primeiro componente representa 98% do indicador. No primeiro componente a variável que tem mais representatividade é a RS e SC com -0,.Nos mostra certo equilíbrio.. ANOVA E BOXPLOT

Boxplot of RS; SC; PR; MS; RO; GO Data RS SC PR MS RO GO Boxplot of RS - per cap; SC - per cap; PR - per cap; MS - per cap;... 000 000 Data 0000 000 000 RS - per capita SC - per capita PR - per capita MS - per capita RO - per capita GO - per capita Podemos notar que não nenhuma similaridade entre os Estados, no qual notamos que apresentar maior representatividade o Rio Grande do Sul em comparação da Renda Per Capita. Sendo que Roraima apresenta nível mais baixo.

.7 DISTRIBUIÇÃO DE AMOSTRA Correlations: RS; SC; PR; MS; RO; GO; RS - per cap; SC - per cap;... RS SC PR MS SC -0,8 0, PR -0,89 0, 0, 0, MS -0, 0,87-0,078 0, 0,097 0,8 RO 0,09 0,9-0,0 0,0 0,9 0,09 0,89 0,78 GO -0,00 0, 0,9-0,0 0,99 0,77 0,97 0,7 RS - per cap 0,7-0, -0,7-0,9 0,08 0, 0,0 0,0 SC - per cap 0,70-0, -0,7-0, 0,0 0, 0, 0,0 PR - per cap 0,7-0,7-0, -0,7 0,07 0,0 0,7 0,9 MS - per cap 0, -0,0-0,9-0,7 0,0 0,087 0,9 0,0 RO - per cap 0,78-0,9-0,0-0,9 0,08 0,0 0,8 0,80 GO - per cap 0, -0,09-0, -0, 0,0 0,08 0, 0, RO GO -0,8 0, GO RS - per cap SC - per cap RS - per cap -0,0 0,0 0,9 0,9 SC - per cap -0,0 0,0 0,998 0,97 0,97 0,000 PR - per cap -0,0-0,07 0,98 0,977 0,97 0,8 0,000 0,000 MS - per cap -0,0-0,09 0,989 0,988 0,90 0,8 0,000 0,000 RO - per cap -0, 0,080 0,98 0,989 0,77 0,88 0,000 0,000 GO - per cap -0, 0,0 0,98 0,979 0,9 0,79 0,000 0,000 PR - per cap MS - per cap RO - per cap MS - per cap 0,99 0,000 RO - per cap 0,9 0,97

0,000 0,000 GO - per cap 0,9 0,9 0,98 0,000 0,000 0,000 Cell Contents: Pearson correlation P-Value Individual Value Plot of RS; SC; PR; MS; RO; GO Data RS SC PR MS RO GO Individual Value Plot of RS - per cap; SC - per cap; PR - per cap;... 000 000 Data 0000 000 000 RS - per capita SC - per capita PR - per capita MS - per capita RO - per capita GO - per capita

De acordo com as duas análises tanto por Estado e Per Capita o que apresenta nível mais baixo é Roraima e seguido de Goiás. Sendo que o Rio Grande de Sul apresenta similaridade nos demonstrativo Individual Value Plot..8 DENDOGRAMA Dendrogram with Single Linkage and Correlation Coefficient Distance,9 Similarity 7,9 8,98 00,00 RS SC RO MS Variables PR GO Dendrogram with Single Linkage and Correlation Coefficient Distance 99, Similarity 99,9 99,7 00,00 RS - per capita SC - per capita RO - per capita Variables PR - per capita MS - per capita GO - per capita Podemos notar que os Estados com consideráveis índices são Rio Grande do Sul, Roraima e Goiás que apresentam variáveis adequadas para análises. Já Santa Catarina, Paraná e Mato Grosso do Sul, possuem similaridade na análise.

CONSIDERAÇÕES FINAIS Este trabalho de conclusão da disciplina, nos põe em questão a importância da utilização de software e análise de dados para desenvolvimento das pesquisas. Fazendo-nos pensar e fazer avaliações que põe em xeque a não somente uma primeira análise e sim, seguidas comprovações do que está sendo pesquisado. Como aconteceu com este trabalho e seus dados, que os componentes dos Indicadores que apresenta certa estabilidade e confiabilidade por não apresentar grandes alterações foram os Estados de Santa Catarina, Paraná e Mato Grosso do Sul, já nas demais variáveis apresentam oscilações, sendo assim considerados com maiores incidências de suicídio sobre a influência da Renda Per Capita são Rio Grande do Sul, Roraima e Goiás. Ainda assim podemos verificar que quanto maior o PIB maior a o número percentual de suicídios, o que nos leva a concluir que as pessoas com renda ou a classe social mais elevada são as que cometem maior numero de suicídios. Ao longo do nosso trabalho buscamos sempre comprovar que a Renda Per Capita, possui grande influência na incidência de suicídios. E para isso utilizamos as variáveis de Estados e Renda para tal comprovação, sendo os demais desnecessários para comprovação. Figura abaixo nos mostra a Renda de cada Estado, por cores e valores. Mapa de estados do Brasil segundo o PIB per capita. Alta renda Média renda + R$ 8.000 + R$.000 + R$.000 + R$ 0.000 + R$.000 + R$ 8.000 Baixa renda + R$.000 + R$.000 + R$.000